Skip to content

Latest commit

 

History

History
148 lines (116 loc) · 5.9 KB

README_CN.md

File metadata and controls

148 lines (116 loc) · 5.9 KB

PsyDraw Logo

PsyDraw: 面向留守儿童心理健康检测的多智能体多模态系统

English 中文 许可证 论文

仅供专业人士使用

⚠️ 重要伦理声明及专业使用指南

重要提示:本系统严格设计为专业筛查辅助工具

出于心理健康评估的伦理考虑,本仓库仅包含项目代码结构。为防止滥用并确保正确应用,系统的提示词和分析组件并未开源。

仅供专业人士使用

  • 本工具专门设计用于协助合格的心理健康专业人员(精神科医生、心理咨询师和学校心理辅导员)进行初步筛查
  • 严禁未经专业培训的个人用于自我评估或互相评估
  • 所有结果必须由具有资质的心理健康专业人员解释和验证

完整系统访问

如需出于研究或临床目的访问完整系统(包括提示词),请联系我们:[[email protected]]。访问权限将仅在满足以下条件后授予:

  1. 专业资质验证
  2. 使用目的审核
  3. 同意伦理准则和使用条款

风险防范

  • 心理评估工具的滥用可能导致错误解读和潜在危害
  • 系统应仅在专业人员监督下的专业环境中部署
  • 所有实施必须遵守心理健康评估相关的伦理准则和法规

项目概述

在中国,超过6600万留守儿童由于父母外出务工面临严重的心理健康挑战。早期筛查和识别高风险留守儿童至关重要,但由于心理健康专业人员严重短缺(尤其是在农村地区),这项工作面临巨大挑战。虽然房树人测验(HTP)显示出较高的儿童参与度,但其对专业解释的需求限制了其在资源匮乏地区的应用。为解决这一挑战,我们提出了PsyDraw,一个基于多模态大语言模型的多智能体系统,用于协助心理健康专业人员分析HTP绘画。该系统采用专门的智能体进行特征提取和心理解释,分两个阶段运作:全面特征分析和专业报告生成。对290名小学生的HTP绘画评估显示,71.03%的分析与专业评估达到高度一致,26.21%达到中度一致,仅2.41%为低度一致。系统识别出31.03%的案例需要专业关注,展示了其作为初步筛查工具的有效性。目前已在试点学校部署的PsyDraw显示出在支持心理健康专业人员方面的潜力,特别是在资源有限的地区,同时保持心理评估的高专业标准。

PsyDraw工作流程
图1: PsyDraw的工作流程

✨ 主要特点

HTP分析 语言 API 网页工具

🚀 快速开始

安装

  1. 克隆仓库:
git clone https://github.com/LYiHub/psydraw.git
cd PsyDraw
  1. 安装依赖:
pip install -r requirements.txt
  1. 设置环境变量:
  • 复制 .env_example 文件并重命名为 .env
  • 填写您的API密钥和基础URL

使用方法

直接调用 API 网页 打包

1. 直接调用

bash run.sh
#
python run.py --image_file example/example1.png --save_path example/example1_result.json --language zh

2. API集成

python deploy.py --port 9557

服务运行于 http://127.0.0.1:9557

3. 网页演示

bash web_demo.sh
#
streamlit run src/main.py

4. 打包应用

pyinstaller htp_analyzer.spec

📊 案例研究

⚖️ 许可证

本项目采用GPL-3.0许可证。详情请参见LICENSE文件。

⚠️ 免责声明

PsyDraw严格作为专业筛查辅助工具。它不得作为独立的诊断工具或替代专业医疗评估。该系统旨在支持而非取代合格心理健康专业人员的专业知识。任何系统的实施或使用都必须在专业监督下进行。

📚 引用

如果您觉得本工作对您有帮助,请引用我们的论文:

@misc{zhang2024psydrawmultiagentmultimodalmental,
      title={PsyDraw: A Multi-Agent Multimodal System for Mental Health Screening in Left-Behind Children}, 
      author={Yiqun Zhang and Xiaocui Yang and Xiaobai Li and Siyuan Yu and Yi Luan and Shi Feng and Daling Wang and Yifei Zhang},
      year={2024},
      eprint={2412.14769},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2412.14769}, 
}

</rewritten_file>